如下是用的是普通的前馈神经网络，输入层节点为784，隐层节点500，输出层10。这是一个标准的讲解DeepLearning中，在Tensorflow, Pytorch框架下的典型的用于识别MNIST手写体数据库的神经网络。
训练集合
测试集合
训练后的准确率98.5%左右
换句话说，每七十个手写体字符中，差不多会有一个识别错误。当然，这个效果距离工业上，以及距离一些更复杂的卷积神经网络的效果还差一点。
训练集合的误差
下面是显示的在训练集合上识别错误的一些例子。的确有一些识别错误的情况还是容易解释的。但仍然有一些是非常奇怪的错误。
测试集合的误差
这是在测试集合上识别错误的一些例子。通过人工审查可以看出，有些错误是难免的，认为人工看起来都很难识别。但大多数的错误还是可以修正过来的。
看看印刷体的识别效果吧？
那么，上述训练长辈的网络对于非常清晰的字符识别效果呢，下面使用同样的网络对于不同的字体，大小的是个印刷体的数字识别结果，情况让人大跌眼镜。这几种情况，没有一种是十个数字认全的。
F
人类在认识数字的过程中，不仅是看形状记忆，同时还是用手进行书写，即将字符反向生成。反应在儿童的认知上，在幼儿园学会了十个数字，回到家里，无论在哪里看到了不同形状、字体、颜色、纹理的十个数字，都会进行认读。
因此，在神经网络训练中增加上生成对抗的过程会增加识别的效果。
